新モデル・リリース

A
274 件中 1〜30 件目を表示
  • Publickey · JA 新モデル・リリース
    GitHub、「Copilot Fusion」正式リリース。タスクに応じて最適なAIモデル選択で高性能かつ低コストに。GitHub Universe 2026
    GitHub、Copilot Fusionを正式リリース。タスクに応じAIモデルを自動選択
    機械学習 Microsoft
    GitHubは10月28〜29日に米サンフランシスコで開催した年次イベント「GitHub Universe 2026」で、新機能「GitHub Copilot Fusion」の正式リリースを発表した。タスクに応じて最適なAIモデルを選択し、高性能と低コストの両立を狙う。
    元記事を読む (Publickey) ↗
  • ITmedia AI+ · JA 新モデル・リリース
    キオクシア、2桁成長に“急ブレーキ”? Q3「売上収益1%増」、決算説明会で幹部らが語ったこと
    キオクシア、Q3売上収益見通し2.5兆円で前期比1%増に減速
    キオクシアHDは2027年3月期Q3の売上収益見通しを2兆5000億円と発表した。前期比1.0%増にとどまり、2桁成長からの転換について決算説明会で投資家から質問が出た。記事は幹部らによる質疑応答の内容を紹介している。
    元記事を読む (ITmedia AI+) ↗
  • ITmedia AI+ · JA 新モデル・リリース
    ChatGPTの「Chat」と「Work」統合へ 利用制限はCodexと共通化
    OpenAI、ChatGPT Workの機能を統合しCodexと利用制限を共通化へ
    AI エージェント GPT OpenAI
    OpenAIは、ChatGPT Workのエージェント機能をChatGPT本体へ統合する予定だと発表した。あわせて、ChatGPTとCodexで有料プランの利用量制限が共通化される。チャットとエージェント、コーディング用途を一つの利用枠で扱えるようになる見通しで、エージェント機能をChatGPTの中核に据える方針がうかがえる。
    元記事を読む (ITmedia AI+) ↗
  • Sakana AI Blog (ja) · JA 新モデル・リリース
    【開催レポート】Sakana AIシンポジウム:Jürgen Schmidhuberが語るAIのこれまでとこれから、日本から挑む言語モデル・世界モデル・Physical AI
    Sakana AIが東京でシンポジウム、シュミットフーバー教授が基調講演し自社事前学習LLMを発表
    深層学習 ニューラルネットワーク 強化学習 Transformer
    Sakana AIは2026年10月26日、東京でシンポジウムを開催し、400名超が参加した。Chief Scientific Advisorのシュミットフーバー教授が基調講演を行い、David Ha CEOと対談。同社は自社での事前学習モデル開発に乗り出すと表明し、言語モデル「Sakana Sawara(仮称)」シリーズを発表、小規模版は順調なら2027年春の公開予定。
    元記事を読む (Sakana AI Blog (ja)) ↗
  • ITmedia AI+ · JA 新モデル・リリース
    AI学習への利用拒否をrobots.txtで一括指定へ OpenAIやGoogleなどが対応表明
    AI学習の拒否をrobots.txtで一括指定、主要3社が対応表明
    Anthropic Google Microsoft OpenAI
    OpenAI、Google、Microsoftは、Webサイト運営者がAI学習へのコンテンツ利用の可否を一括で指定できる共通の仕組みへの対応を発表した。Anthropicも担当者が個人名義で実装を表明している。robots.txtに共通トークンを記述すれば、各社のAIクローラーを一元的に管理できるようになる。
    元記事を読む (ITmedia AI+) ↗
  • ITmedia AI+ · JA 新モデル・リリース
    GMOがサイバー攻撃情報に異例の1.5億円懸賞金、AI時代の新防衛策となるのか
    GMOがサイバー攻撃情報に1.5億円の懸賞金、AI時代の新防衛策か
    GMOがサイバー攻撃に関する情報提供に対し、異例となる1.5億円の懸賞金を設ける。AI時代の新たな防衛策として機能するのかが焦点となっている。MONOistが今週の注目ニュースの一つとして取り上げた。
    元記事を読む (ITmedia AI+) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    Hierarchical World Models with Implicit Dynamics
    AI エージェント ニューラルネットワーク 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    Counting on Dummies: Privacy Amplification with Observable Counts and Truncated Batches
    機械学習
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN マルチモーダル
    A Better Critic Matters for Distribution Matching Distillation
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    Fast Privacy Loss Accounting for Random Allocation via Multiscale FFT
    機械学習 ニューラルネットワーク
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    SATFRONT: Detecting Atmospheric Fronts with Satellite Data using Machine Learning
    深層学習 機械学習 ニューラルネットワーク
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    Hyperbolic Inverse Reinforcement Learning
    ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    The Knowledge Layer Model (KLM): Evidence-Visible AI Output, Routing Diagnostics, and Negative Results
    深層学習 推論 (Inference) ソフトウェア工学
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    CRoS: Causality Reward on Scrambled CoTs Improves Accuracy and Reasoning Faithfulness
    ニューラルネットワーク 強化学習 ソフトウェア工学
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    There Is No Free Loop: When Does Looping a Trained Model Pay for Its Inference Compute?
    深層学習 推論 (Inference)
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    CausalXRL: Explainable Reinforcement Learning through Causal Graph Reasoning
    AI エージェント 強化学習
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    Know When the Equation Is Wrong: Structural Uncertainty for LLM-Guided Symbolic Regression under Extrapolation
    検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    TradeWar: A Benchmark for Execution-Grounded Trade Negotiation with Adaptive LLM Agents
    AI エージェント 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN エージェント・ツール使用
    AutoAnalysis: An automated, self-updating meta-analysis of human-AI collaboration
    AI エージェント Meta ニューラルネットワーク 検索拡張生成 (RAG)
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    DAMI: Dual-Axis Memory Initialization for Enhanced Long-Context Retrieval in Gated Linear Attention
    深層学習 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    New Lower Bounds for Private PAC Learning
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    WASABI: Wasserstein Sampling via Bridge Interpolants
    ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 資金・M&A
    Chronos-2: A foundation model for multivariate time series forecasting
    ニューラルネットワーク 検索拡張生成 (RAG)
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 新モデル・リリース
    Optimizing Stochastic Policy Geometry for Few-Step Flow Reinforcement Learning
    強化学習
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • Data Center Dynamics · EN 新モデル・リリース
    T-Mobile CTO says carrier will be first to 6G in US
    T-Mobile CTO、米国で最初に6Gを提供する通信事業者になると表明
    T-MobileのCTOが、同社が米国で最初に6Gを提供する通信事業者になると述べた。6Gの立ち上げ競争が始まっていると記事は伝える。
    元記事を読む (Data Center Dynamics) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    Structure-Aware Skill Retrieval and Arbitration for Optimization Modeling
    AI エージェント DeepSeek 強化学習 ソフトウェア工学
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    General-purpose foundation models surpass specialized ones on chemical property prediction tasks
    Claude ファインチューニング GPT
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    AI evaluators favor job applications written by certain AI models, independent of candidate quality
    AI エージェント 深層学習 Meta
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    Learning to Interact and Direct: Co-Evolving Video Director Agents
    AI エージェント Meta ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    SimXAI: A Simple Drop-in Layer Increases Interaction Quality and Understanding in Conversational XAI
    AI エージェント 深層学習 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗